1.1 Installer R et RStudio

Seul l’environnement logiciel R est indispensable pour reproduire ce document. Mais il est fortement conseillé d’installer également l’environnement de développement intégré (IDE⁴) RStudio qui facilite considérablement la pratique de R et la production de documents au format R Markdown.
R et RStudio s’installent comme n’importe quel autre logiciel :
- Télécharger R, mis à disposition sur le Comprehensive R Archive Network (CRAN) ;
- Télécharger RStudio (RStudio Desktop Free version) sur le site de l’entreprise.

1.2 Packages associés au Notebook, knitr & rmdformats

Deux packages⁵ sont nécessaires pour reproduire ce document à l’identique :
- knitr : offre des outils pour la génération de rapports dynamiques (literate programming) ;
- rmdformats : met à disposition le modèle (template) de mise en page HTML utilisé (adapté de readthedown⁶).

Installer ces packages, en exécutant la ligne de commande suivante dans la console R :

install.packages("knitr", "rmdformats")

1.3 Code source du document

Pour les utilisateurs et utilisatrices du logiciel de gestion de versions Git, le dépôt du code source est accessible ici :

Sinon, il est possible de télécharger le code source de ce document R Markdown en cliquant sur le lien ci-dessous.

Télécharger le code source

Décompresser le dossier, puis double-cliquer sur le fichier projet Rmarkdown.Rproj pour ouvrir le projet dans l’IDE RStudio.

1.4 Packages nécessaires au traitement des données et à la représentation d’une trajectoire

Les packages utilisés pour le processus d’exploration de données présenté dans ce document sont :

• WikidataQueryServiceR: fournit une interface de programmation (API client) pour le Wikidata Query Service ;
  
• rnaturalearth: met à disposition les données cartographiques de Natural Earth ;
  
• sf: permet la gestion et la manipulation (géotraitement) de données géographiques ;
  
• mapview: permet de produire facilement des cartes interactives (leaflet) ;
  
• tmap: permet de produire de cartes thématiques ;
• ggplot2: permet de produire des graphiques, basés sur la grammaire graphique théorisée par Leland Wilkinson ;
  
• patchwork: permet de combiner facilement plusieurs graphiques ggplot2 ;
  
• jpeg: permet d’importer, enregistrer et afficher des images matricielles (format bitmap) ;
• DT: fournit une mise en forme dynamique (HTML) de tableaux de données (bibliothèque javascript DataTables).

Ces packages seront automatiquement installés en exécutant (knitant) le fichier source (mon_notebook_final.rmd).

# Packages nécessaires
mes_packages <- c("WikidataQueryServiceR",
                  "rnaturalearth",
                  "sf",
                  "mapview",
                  "tmap",
                  "ggplot2",
                  "patchwork",
                  "jpeg", 
                  "DT")

# Packages qui n'ont pas été encore installés
mes_packages_no_install <- mes_packages[!(mes_packages %in% installed.packages()[,"Package"])]

# Installation des packages manquants
install.packages(mes_packages_no_install)

2.1 Wikimédia & Wikiproject

Wikimédia fournit l’infrastructure nécessaire à la connaissance libre (source : Wikimedia). Les projets de la fondation sont déclinés en catégories, par exemple, les ouvrages de références comme Wikipédia ou Wiktionnaire, les médiathèques comme Wikimédia Commons, ou encore des guides ou technologies, comme Wikidata.

Les contributeurs et contributrices au projet global Wikidata sont organisées en projets thématiques qui se ramifient en sous groupes (par exemple, le groupe qui s’intéresse aux peintures).

Dans le cas de ce notebook, on s’intéresse aux arts visuels et notamment une partie des données qui ont permis de construire le portail Wikiart.

2.2 Données Wikidata

Wikidata est une base de connaissances libre éditée de manière collaborative et hébergée par la Wikimedia Foundation. Son contenu étant placé sous licence CC0, elle permet de centraliser les données utilisées par différents projets Wikimedia (source : Wikipédia).
Les informations saisies dans Wikidata sont des données “brutes” multilingues non-supervisées (voir Fig.2).

Fig.2 Données Wikipédia (DBpédia) vs données Wikidata (source : Wikidata-Basics/Wikidata Hackathon event for the Festival of Creative Learning 2018)

2.3 Stratégie exploratoire & standard RDF du World Wide Web Consortium (W3C)

La première étape est de configurer le notebook pour permettre l’interrogation de données à distance au sein d’un dépôt de données accessibles dans un cadre de description standard du web sémantique. Ces données sont accessibles sous une forme générique de graphes de données associés aux objets (voir la Fig.3).

Fig.3 Exemple de graphe de triplets (source : W3C)

Une unité de construction d’un graphe de données est un triplet du cadre de description des ressources du W3C (RDF). Il adopte une forme générale sujet - prédicat - objet.
Par exemple, l’assertion ou déclaration “Bob est intéressé par Mona Lisa” est formalisée selon une représentation dans la Fig. 4.

Fig.4 Composantes génériques d’un triplet RDF

2.4 Description des données et du modèle de données

La description ci-dessous n’est pas exhaustive. Pour de plus amples informations, se référer à la documentation de Wikidata.

Dans ce notebook, les peintures sont des objets décrits par leurs relations aux données instanciant certaines classes et propriétés de Wikidata utiles à l’étude de cas proposée.
Les peintres, peintures et lieux d’exposition sont modélisés selon la représentation schématique ci-dessous, comprenant des entités liées entre elles et mobilisant une syntaxe spécifique avec des préfixes⁸.

Afin de disposer des données relatives à une œuvre visuelle, son auteur ou autrice et sa localisation, plusieurs données associées à l’artiste, à l’œuvre (voir Fig. 5) ou aux déclarations sur celle-ci (statements, voir Fig.6) sont nécessaires, notamment :

• l’auteur ou l’autrice (ici le peintre) est une entité (préfixe wd) ayant pour propriété directe (préfixe wdt) :

  • d’être une instance de Wikidata (P31) de nature une entité humaine (Q5);
  • ayant pour catégorie commune (P373) le libellé “Johannes Vermeer”;
  • et d’être le créateur (P170) d’œuvres.

• la désignation de l’œuvre elle-même, par le biais de l’entité (préfixe wd) associée à l’identifiant qui la représente, par exemple wd:Q4660880 pour l’œuvre dénommée A Young Woman Seated at the Virginals du peintre Johannes Vermeer.

• la localisation de l’entité au moyen de la propriété (P276), permettant l’accès aux assertions ou déclarations

  • de localisation actuelle ou de dernière localisation renseignée (selon les données non supervisées) de l’œuvre dans un lieu (géographique & institutionnel) : wdt:P276

  • ou d’un volume spatio-temporel (couplant lieu et laps de temps) : p:P276associée aux qualifiers de la déclaration de lieu (préfixe pq) donnant le laps de temps associé, le cas échéant (P580 et P582) ;

• les coordonnées de la localisation associée à l’œuvre au moyen de la propriété directe (P625) : wdt:P625.

Fig.5 Classes et propriétés générales de Wikidata mobilisées dans l’étude de cas proposée

Fig.6 Classes et propriétés spécifiques de Wikidata mobilisées dans le cas d’une déclaration (statement)

3.1 Première requête SPARQL

La requête ci-dessous demande l’identifiant d’une entité ayant pour propriété (P31) d’appartenir à la classe des êtres humains (Q5) qui entre dans la catégorie Commons (P373) Johannes Vermeer et dont on demande une image (P18).

# Package API pour le 'wiki data service'
library(WikidataQueryServiceR)

# Requête SPARQL 
# Recherche de l'artiste nommé 'Johannes Vermeer' et d'une illustration associée
data1 <- query_wikidata('
          SELECT ?identifiant ?image  WHERE {
              SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". }
              ?identifiant wdt:P31 wd:Q5 ; wdt:P373 "Johannes Vermeer" .
              ?identifiant wdt:P18 ?image .
              }  
')

Affichage des données collectées

# Affichage dynamique de la table
library(DT)
datatable(data1)

Deux URL sont collectées
- data1\(identifiant](http://www.wikidata.org/entity/Q41264){target="_blank"} : le lien vers la page wikidata du peintre Johannes Vermeer ; - [data1\)image : le lien vers l’image associée à ce peintre dans wikidata.

Sauvegarde de l’image de l’artiste

# Création des sous-répertoires 'data' et 'data/image'
dir.create("data")
dir.create("data/images")

# Téléchargement et sauvegarde de l'image sur sa machine
download.file(url = data1$image, 
              destfile = 'data/images/portrait_artiste.jpg', 
              mode = 'wb')

Fig.7 Image wikidata pour le peintre Johannes Vermeer (ID = Q41264)

3.2 Seconde requête SPARQL

En second lieu, on propose de lister l’ensemble des œuvres de l’artiste choisi (dont l’identifiant ici est (Q41264) pour Johannes Vermeer).

La requête ci-dessous demande l’identifiant d’une entité - une œuvre, ayant pour créateur (P170) l’artiste choisi (Q41264) ; chaque œuvre ayant la propriété d’être exposée dans un lieu donné (P276), associé à une localisation géographique⁹ (P625).

# Requête SPARQL 
# Recherche de toutes les œuvres de Johannes Vermeer et de leurs localisations (musée)
data2 <- query_wikidata('
              SELECT ?oeuvreLabel ?museeLabel ?coord 
                WHERE { SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". } 
                ?oeuvre wdt:P170 wd:Q41264 .
                OPTIONAL {?oeuvre p:P276 ?loc . ?loc ps:P276 ?musee . ?musee wdt:P625 ?coord} . 
                }
        ')

Affichage des données collectées

# Affichage de la table
datatable(data2)

On constate que les données non supervisées de localisation atcuelle ou de dernière localisation des oeuvres sont hétérogènes : certaines œuvres ont plusieurs localisations (par exemple Girl with a Pearl Earring ou View of Delft dans la page 2 du tableau), d’autres n’en n’ont aucune (par exemple The Concert ou The Lacemaker).

Pourquoi ?

En explorant les données collectées, plusieurs localisations semblent possibles :

• soit une même œuvre est localisée dans plusieurs musées ;

• soit un même musée possède des coordonnées géographiques différentes.

Ce constat nécessite d’entrer plus en détail dans les déclarations (statements) renseignées pour la donnée Wikidata, notamment la localisation de l’œuvre au cours du temps entre divers musées ou institutions culturelles de divers pays, en utilisant les valeurs et qualificatifs (qualifiers) associés aux propriétés figurant dans les déclarations (voir Figure 1.).

Par exemple, l’œuvre de Johannes Vermeer intitulée A Young Woman Seated at the Virginals (entité Wikidata Q4660880) semble être l’œuvre de Johannes Vermeer qui a le plus voyagé. Cela signifie que cette entité possède le plus grand nombre de valeurs associées à la propriété location (propriété Wikidata P625) dans les déclarations ou statements de localisation désignant des lieux (préfixe ps), dont les coordonnées sont données par la propriété Wikidata (P276).

3.3 Troisième requête SPARQL

Pour connaître les modalités de circulation de l’œuvre dans divers musées et institutions, la requête ci-dessous collecte les différents lieux d’exposition (P276), leurs noms ainsi que le volume spatio-temporel composé de l’association des coordonnées géographiques (P625) et des dates de début et de fin (P580 & P582) de la période pendant laquelle l’œuvre (A Young Woman Seated at the Virginals) semble être présente dans le lieu, voir notamment la figure 5 ci-dessus.

# Requête SPARQL 
# Recherche de toutes les localisations + dates associées à 
# l'œuvre "A Young Woman Seated at the Virginals" de Johannes Vermeer
data <- query_wikidata('
          SELECT ?image ?nomLabel ?dated ?datef ?coord WHERE {
              SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". }
              wd:Q4660880 p:P276 ?location ; wdt:P18 ?image .
              ?location ps:P276 ?nom .
              ?location pq:P580 ?dated .
              ?location pq:P582 ?datef .
              ?nom wdt:P625 ?coord .
              }
        ')

Affichage des données collectées

# Affichage de la table
datatable(data)

Enregistrement et (ré)import des données

# Enregistrement des données en local
write.csv(x = data, file = "data/data.csv", row.names = FALSE)

# Import du fichier de données enregistré
data <- read.csv("data/data.csv", row.names = NULL)

Enregistrement de l’image de l’œuvre sur sa machine

# Téléchargement et sauvegarde en local de l'image
download.file(url = data$image[1], 
              destfile = 'data/images/Q4660880.jpg', 
              mode = 'wb')

Fig.8 ‘A Young Woman Seated at the Virginals’ de Johannes Vermeer (1670)

Les trois requêtes SPARQL ont permis de collecter respectivement :

• l’identifiant et l’image associés à Johannes Vermeer dans wikidata (‘data1’) ;
  
• les œuvres du peintre Johannes Vermeer et leur localisation (musée + coordonnées) (‘data2’) ;
  
• l’ensemble des informations géographiques de localisation (nom du musée + coordonnées spatio-temporelles) de l’œuvre A Young Woman Seated at the Virginals de Johannes Vermeer (‘data’).

4.1 Localisation des oeuvres de Johannes Vermeer

Pour rappel, les données issues de la seconde requête SPARQL (‘data2’) listent l’ensemble des œuvres de Vermeer et leurs localisations respectives (nom du musée + coordonnées géographiques) quand elles existent selon Wikidata.

# Détection/Suppression doublon(s)
data2 <- data2[!duplicated(data2$oeuvreLabel), ]

# Suppression NA
data2 <- data2[!is.na(data2$coord), ]

datatable(data2)

# Regroupement - Calcul du nombre œuvres par musée
nb_oeuvre_by_musee <- aggregate(oeuvreLabel ~ coord + museeLabel, data = data2, FUN = length)

# Affichage du résultat
datatable(nb_oeuvre_by_musee)

# Suppression des chaînes de caractères "Point(" et ")"
nb_oeuvre_by_musee$coord <- gsub(pattern = 'Point\\(', replacement = '', nb_oeuvre_by_musee$coord)
nb_oeuvre_by_musee$coord <- gsub(pattern = '\\)', replacement = '', nb_oeuvre_by_musee$coord)

# Séparation longitude et latitude en deux colonnes
out <- strsplit(nb_oeuvre_by_musee$coord, split = ' ')
musee_geo <- cbind(nb_oeuvre_by_musee, do.call(rbind, out))

# Renommage de colonnes créées
colnames(musee_geo)[4:5] <- c('long', 'lat')

# Bibliothèque pour la gestion de données géographiques
library(sf)
# Géoréférencement (tableau de données -> couche géographique)
musee_geo <- st_as_sf(musee_geo, coords = c("long", "lat"), crs = 4326)

# Bibliothèque pour la cartographie interactive
library(mapview)
# Affichage de la couche géographique des musées
mapview(musee_geo)

4.2 Trajectoire de l’œuvre intitulée ‘Dame assise au virginal’

Pour rappel, les données issues de la troisième requête SPARQL (‘data’) listent l’ensemble des localisations de l’œuvre de Johannes Vermeer A Young Woman Seated at the Virginals (ou Dame assise au virginal en français) au cours du temps.

# Détection/Suppression doublon(s)
data <- data[!duplicated(data$dated), ]

# Une ligne a été supprimée
nrow(data)

[1] 19

data$coord

 [1] "Point(37.605 55.747222222)"        "Point(2.335833333 48.861111111)"  
 [3] "Point(30.313611111 59.940555555)"  "Point(-73.963333333 40.779444444)"
 [5] "Point(-73.963333333 40.779444444)" "Point(-0.128299 51.508929)"       
 [7] "Point(-75.181284 39.965827)"       "Point(-75.181284 39.965827)"      
 [9] "Point(-1.26056 51.75556)"          "Point(-1.26056 51.75556)"         
[11] "Point(-96.800830555 32.787219444)" "Point(139.773 35.7172)"           
[13] "Point(-86.8102 33.5219)"           "Point(116.394444 39.903333)"      
[15] "Point(0.119444 52.200278)"         "Point(-78.70288889 35.81019444)"  
[17] "Point(-76.2924 36.857)"            "Point(121.464313 31.183945)"      
[19] "Point(12.48603 41.8987)"          

# Suppression des chaînes de caractères "Point(" et ")"
data$coord <- gsub(pattern = 'Point\\(', replacement = '', data$coord)
data$coord <- gsub(pattern = '\\)', replacement = '', data$coord)

# Séparation longitude et latitude en deux colonnes
out <- strsplit(data$coord, split = ' ')
data_geo <- cbind(data[-5], do.call(rbind, out))

# Renommage de colonnes créées
colnames(data_geo)[5:6] <- c('long', 'lat')

# Géoréférencement des musées
data_geo <- st_as_sf(data_geo, coords = c("long", "lat"), crs = 4326)

# Affichage de la couche géographique des musées
mapview(data_geo)

5.1 Les œuvres de Johannes Vermeer

# Bibliothèque pour la cartographie thématique
library(tmap)

# Mode cartographie interactive
tmap_mode(mode = "view")

# Carte thématique
tm_basemap() +
tm_shape(musee_geo) +
tm_symbols(size="oeuvreLabel", 
           scale = 4,
           col="red3",
           border.col="white", 
           alpha =0.5,
           border.lwd=0.1,
           border.alpha=0.5,
           title.size = "Nb d'œuvres",
           id = "museeLabel",
           popup.vars=c("Nombre d'œuvres"="oeuvreLabel"))

# Bibliothèque qui permet d'accéder aux données Natural Earth
library(rnaturalearth)

# Téléchargement d'un fond de carte pays
world <- ne_download(scale = "small",
                     type = "countries", 
                     category = "cultural", 
                     destdir = "data/world",
                     load = TRUE,  
                     returnclass = "sf")

# Affichage du fond de carte collecté 
plot(st_geometry(world))

# Reprojection du fond de carte pays (polygones)
world <- st_transform(x = world, crs = "+proj=moll", use_gdal = FALSE)

# Reprojection de la couche géographique (points)
musee_geo <- st_transform(musee_geo, crs = st_crs(world))

# Affichage du fond de carte collecté selon la projection Robinson
plot(st_geometry(world))

# Jointure spatiale
# Collecte du code ISO3 de tous les pays (uniquement)
musee_geo <-st_intersection(musee_geo, world[,"ADM0_A3"])

5.1.3 Représentation de la répartition des œuvres par pays

Pour représenter la répartition en nombre des œuvres de Johannes Vermeer dans chaque pays, deux étapes sont nécessaires :

• le calcul le nombre d’œuvres par pays ;
  
• la réalisation de la carte.

Calcul du nombre d’œuvres par pays

# Regroupement - Calcul du nombre œuvres par pays
nb_oeuvre_musee_geo <- aggregate(oeuvreLabel ~ ADM0_A3, data = musee_geo, FUN = sum)

Représentation graphique
Nous pouvons alors construire un graphique représentant le nombre d’œuvres par pays.

# Bibliothèque de représentation graphique
library(ggplot2)

# Graphique en barre - Nombre d'œuvres par pays
ggplot(data = nb_oeuvre_musee_geo, aes(x = ADM0_A3, y = oeuvreLabel, fill=ADM0_A3) )  + 
  geom_bar(stat="identity") +
  ggtitle("Nombre d'œuvres de Johannes Vermeer par pays") +
  xlab("") + 
  ylab("") +
  scale_fill_brewer(palette="Set1") + 
  theme(legend.position = "none")

Graphique 1 : Représentation histographique du nombre de peintures de Johannes Vermeer présentes dans chaque pays, selon Wikidata

5.2 Trajectoire spatiale de la peinture ‘Dame assise au virginal’

# Popup content
content <- paste0( "<img  src='http://commons.wikimedia.org/wiki/Special:FilePath/Vermeer%20-%20A%20young%20Woman%20seated%20at%20the%20Virginals.jpg'  width='180'><br /><b>",  data_geo$nomLabel, 
                  "</b><br />Du ",data_geo$dated, 
                  "<br />Au ", data_geo$datef)
# Carte
mapview(data_geo, 
        zcol = "nomLabel", 
        col.regions = "red", 
        legend = FALSE,
        popup = content,
        map.types = "Esri.WorldImagery")

# Reprojection de la couche géographique (points)
data_geo <- st_transform(data_geo, crs = st_crs(world))

# Jointure spatiale
data_geo <-st_intersection(data_geo, world[,"ADM0_A3"])

# Package de représentation graphique
library(ggplot2)

# Graphique en barre - Nombre d'expositions de l'œuvre par pays
ggplot(data = data_geo, aes(factor(ADM0_A3), fill=factor(ADM0_A3)) ) + 
  geom_bar() +
  ggtitle("Nombre d'exposition de l'œuvre par pays") +
  xlab("") + 
  ylab("") +
  scale_fill_brewer(palette="Set1") + 
  theme(legend.position = "none")

6.1 Préparation des données spatio-temporelles collectées

En cohérence avec les constats et conclusions précédentes, les traitements successifs permettent de procéder :

• au formatage des dates collectées ;
• au nettoyage des données ;
• à l’affichage des données spatio-temporelles.

Modification du format de stockage des dates (string to date) dans le tableau ‘data_geo’

# Format date
data_geo$datef <- as.Date(data_geo$datef)
data_geo$dated <- as.Date(data_geo$dated)

Tri du tableau en fonction de la date (‘dated’) d’arrivée dans chaque musée.

data_geo <- data_geo[order(data_geo$dated, decreasing = FALSE),]

Ajout d’un ID pour chaque ligne du tableau

data_geo$ID <- 1:nrow(data_geo)

Tri d’ordre d’apparition des modalités pour les variables ‘nomLabel’ et ‘ADM0_A3’

# liste unique musée
musee <- unique(data_geo$nomLabel)
data_geo$nomLabel <- ordered(as.factor(data_geo$nomLabel), levels = musee)

# liste unique pays
countries <- unique(data_geo$ADM0_A3)
data_geo$ADM0_A3 <- ordered(as.factor(data_geo$ADM0_A3), levels = countries)

Création d’une nouvelle colonne avec les noms des musées qui n’apparaissent qu’une fois

# Label unique pour les pays
museum_label <- data_geo[!duplicated(data_geo$nomLabel),]
data_geo <- merge(data_geo, st_drop_geometry(museum_label[,c("ID","nomLabel")]), by="ID", all.x=TRUE)

Affichage du tableau de données après ‘traitement’

6.2 Représentation d’une trajectoire : réalisation de la frise chronologique

Pour construire la frise chronologique, la bibliothèque de référence est ggplot2.

ggplot(data_geo, aes(x = dated, y = nomLabel.x, color = ADM0_A3)) 

# Construction de 'segments' entre la date d'arrivée (dated) et de départ (datef)
ggplot(data_geo, aes(x = dated, y = nomLabel.x, color = ADM0_A3)) +
  geom_segment(aes(xend = datef, yend = nomLabel.x, color =  ADM0_A3), size = 6)

Mon_graph <- ggplot(data_geo, aes(x = dated, y = nomLabel.x, color = ADM0_A3)) +
               geom_segment(aes(xend = datef, yend = nomLabel.x, color =  ADM0_A3), size = 6)

Mon_graph <-  Mon_graph + 
              # Ajout d'une étiquette pour chaque segment représenté
              geom_text(aes(label = nomLabel.y, hjust =1.05), size = 3.5, show.legend = FALSE) + 
              # Modification de la palette de couleur (pays)
  scale_color_manual(values = c("#7570b3", "#e7298a", "#66a61e", "#e6ab02", "#a6761d","#1b9e77", "#d95f02"))

# Affichage du résultat
Mon_graph 

Mon_graph <- Mon_graph + 
              # Modification de l'axe des abscisse
              scale_x_date(date_labels = "%Y", date_breaks = "2 year", minor_breaks = "1 year",
                           limits = c(as.Date("1994-01-01"),as.Date("2019-01-13")) ) +
              # Ajout d'un titre et d'un sous-titre
              labs(title = "Le voyage d'un tableau de Johannes Vermeer",
                   subtitle = "Aux pays des musées, de 2001 à 2019") +
              # Paramétrage du 'thème'
              theme(panel.grid.major.y = element_blank(),
                    panel.grid.major.x = element_line(size = 0.2, colour = "#707073"),
                    panel.grid.minor.x = element_line(size = 0.2, linetype = 3, colour = "#707073"),
                    panel.border = element_blank(),
                    panel.background = element_blank(),
                    axis.text.y = element_blank(),
                    axis.text.x = element_text(size=8.5, colour = "#FFFFFF"),
                    axis.title = element_blank(),
                    rect = element_rect(fill = "#2a2a2b"),
                    legend.position =  c(.93, .27),
                    legend.key = element_rect(fill  = "#2a2a2b"),
                    legend.key.height = unit(0.1, 'cm'),
                    legend.background = element_rect(fill  = "#2a2a2b"),
                    legend.margin = margin(0.5,1,1,1),
                    legend.title = element_blank(),
                    legend.text = element_text(colour = "#FFFFFF",  size = 7),
                    title = element_text(colour = "#FFFFFF", hjust = 1, vjust = 0),
                    plot.margin=unit(c(1,1,0.5,1),"cm"))    


Mon_graph 

# Gestion des images
library(jpeg)

path <- "data/images/Q4660880.jpg"

# Importer une image dans R
img <- readJPEG(path, native = TRUE)

# Pour combiner graphiques et images
library(patchwork)

Mon_graph + 
  # Titre image
  annotate("text", x = as.Date("1997-03-01"), y = 7, colour = "#FFFFFF", size = 3.4, 
           label = "Young Woman Seated\nat a Virginal  (1670)") +
  # Insertion de l'image du tableau dans la représentation graphique
  inset_element(p = img, clip = TRUE, left = 0.04, right = 0.27, top = 0.95, bottom = 0.46) 

7.1 Ma requête SPARQL

Construction de la requête SPARQL personnalisée

# query en fonction de l'ID
query <-  paste0("SELECT ?oeuvreLabel ?museeLabel ?coord WHERE { SERVICE wikibase:label { bd:serviceParam wikibase:language '[AUTO_LANGUAGE],en'. } ?oeuvre wdt:P170 wd:", ID, " . OPTIONAL {?oeuvre p:P276 ?loc . ?loc ps:P276 ?musee . ?musee wdt:P625 ?coord} . }")

# Affichage de la requête
print(query)

[1] "SELECT ?oeuvreLabel ?museeLabel ?coord WHERE { SERVICE wikibase:label { bd:serviceParam wikibase:language '[AUTO_LANGUAGE],en'. } ?oeuvre wdt:P170 wd:Q3348980 . OPTIONAL {?oeuvre p:P276 ?loc . ?loc ps:P276 ?musee . ?musee wdt:P625 ?coord} . }"

Exécution de la requête

# Requête SPARQL wikidata
my_data <- query_wikidata(query)

# Affichage du résultat
datatable(my_data)

7.2 Préparation des données

# Détection/Suppression doublon(s)
my_data <- my_data[!duplicated(my_data$oeuvreLabel), ]

# Suppression NA
my_data <- my_data[!is.na(my_data$coord), ]

# Affichage de la table
datatable(my_data)

# Regroupement
nb_oeuvre <- aggregate(oeuvreLabel ~ coord + museeLabel, data = my_data, FUN = length)

# Affichage du résultat
datatable(nb_oeuvre)

# Suppression des chaînes de caractères "Point(" et ")"
nb_oeuvre$coord <- gsub(pattern = 'Point\\(', replacement = '', nb_oeuvre$coord)
nb_oeuvre$coord <- gsub(pattern = '\\)', replacement = '', nb_oeuvre$coord)

# Séparation longitude et latitude en deux colonnes
out <- strsplit(nb_oeuvre$coord, split = ' ')
my_museum <- cbind(nb_oeuvre, do.call(rbind, out))

# Renommage de colonnes créées
colnames(my_museum)[4:5] <- c('long', 'lat')

# Affichage de la table
datatable(my_museum)

# Géoréférencement
my_museum <- st_as_sf(my_museum, coords = c("long", "lat"), crs = 4326)

# Reprojection de la couche géographique des musées (points)
my_museum <- st_transform(my_museum, crs = st_crs(world))

# Jointure spatiale
my_museum <-st_intersection(my_museum, world[,"ADM0_A3"])

# Regroupement pars pays
by_country <- aggregate(oeuvreLabel ~ ADM0_A3 , data = my_museum, FUN = sum)

# Affichage de la table
datatable(by_country)

7.3 Répartition spatiale

ggplot(data = by_country, aes(x = ADM0_A3, y = oeuvreLabel) )  + 
  geom_bar(stat="identity") +
  ggtitle(paste0("Nombre d'œuvres de ", NOM ,", par pays")) +
  xlab("") + 
  ylab("") +
  theme(legend.position = "none", 
        axis.text.x = element_text(size=8),
        axis.text.y = element_text(size=11))

mapview(my_museum)

tmap_mode(mode = "view")
tm_shape(my_museum) +
tm_symbols(size="oeuvreLabel", 
           scale = 2,
           col="red3",
           border.col="white", 
           alpha =0.5,
           border.lwd=0.1,
           border.alpha=0.5,
           title.size = "Nb d'œuvres",
           id = "museeLabel",
           popup.vars=c("Nombre d'œuvres"="oeuvreLabel")) +
tm_layout(panel.labels = paste0("Répartition des peintures de ", NOM ," par musée, selon Wikidata"), 
          frame = FALSE, 
          frame.lwd = NA,
          inner.margins = c(0, .02, .02, .02))